Page 70 - 2018自動化工業總覽
P. 70
接下來我們必須再檢視訊號點是否在常態分佈內； 出訊號內的關鍵因子，才能正確得到該顆軸承的衰減
將使用 ZScore 方法來得出無因此化散佈點，並逐 程度。
一檢查，如果不在範圍內 (-2.5~2.5) 時，即是離群值
(Outlier)，此值將會直接移除，不再使用，如圖七所示。 七、丶特徵萃取
由於該顆軸承是從良品持續運轉至損毀為止，理應
我們透過切割頻率 (Window) 的方式產生特徵屬性，
可以從 RMS 及 Kurtosis 在時域訊號趨勢圖上看到；
該特徵屬性含有頻率 (FFT) 及包洛線頻譜 (HT)。
此時我們將二顆加速規的三軸向共 6 個，可計算出它
寬度設定成50Hz為一段，並再計算每一段的能量值；
們各自的 RMS 及 Kutrosis，並繪製如圖八所示。
一個軸向可切割出 510 個特徵屬性；一共有兩個加速
從圖八得知，這樣的趨勢圖並不足以讓我們判斷軸
規，合計有六個軸向，所以總共可以切割出 3060 個特
承的損傷情形；最後必須藉由預診演算法 (PDPS)，找
徵屬性。
圖七 離群值 (Outlier)
圖八 各檔案的 RMS 及 Kurtosis
66
